1、进入Ollama官网，如下图点击下载。

  

下载完成之后，直接双击安装。默认安装在C盘。安装完成之后，先不着急下载模型镜像，先配置环境变量，否则默认存储在C盘，模型镜像文件比较大。

2、配置ollama环境变量

（1）OLLAMA_MODELS=D:\OllamaCache，这个变量指定了模型镜像的存储路径。避免C盘空间不足的问题。

（2）OLLAMA_HOST=0.0.0.0 这个变量定义了Ollama监听的网络接口。默认是127.0.0.1，只能本地访问。如果需要外部网络访问，配置成0.0.0.0

（3）OLLAMA_PORT=11434 这个变量允许我们更改Ollama的默认端口，默认端口是11434。

（4）OLLAMA_ORIGINS=* 表示允许所有来源的请求。如果设置为*，则表示不限制来源，允许任何请求访问服务。如果设置为具体的域名或IP地址，则只有这些指定的来源才能访问服务。

windows平台下配置完环境变量之后，需要重启之后，才生效。

3、下载deepseek下载模型镜像。

选择对应的模型，复制右侧的下载命令。打开CMD窗口，输入下载命令。

选择的模型文件较大，下载的过程会比较长。模型下载完成之后。在CMD输入ollama list命令，会显示下载成功的模型镜像。就可以正常使用了。

继续输入 ollama run deepseek-r1:1.5b 与以下载的模型对应。就可以正常使用deepseek AI模型了。

4、集成第三方客户端工具Cherry-Studio

自行去搜索Cherry-Studio工具，然后安装。配置如下。API地址为上述部署安装的服务器IP地址及端口。如果使用的是外部机器访问，需要关闭服务器防火墙，或者开放ollama的端口、

点击添加按钮，添加下载的模型。

以上配置完成之后，就可以使用对话窗口，与deepseek模型进行对话了。

5、集成Python开发应用

下载python ollama依赖库。

pip install ollama

下载完成之后，就可以实现python调用本地的部署deepseek模型，进行功能开发。

from ollama import Client


def ollama():
    client = Client(
        host='http://192.168.200.216:11434', // 替换成本地部署的服务器ID及端口。
        headers={'x-some-header': 'some-value'}
    )
    response = client.chat(model='deepseek-r1:1.5b', messages=[  // 与本地下载的模型对应。
        {
            'role': 'user',
            'content': '写一遍300字的小品文，主题自拟',
        },
    ])
    print(response)


if __name__ == '__main__':
    # 注意，run的第一个参数 必须是文件名:应用程序名
    ollama()